Amphion README

The project's README from github.com/open-mmlab/Amphion. As one markdown file: README.md.

Amphion: An Open-Source Audio, Music, and Speech Generation Toolkit

open-mmlab%2FAmphion | Trendshift

Amphion (/æmˈfaɪən/) is a toolkit for Audio, Music, and Speech Generation. Its purpose is to support reproducible research and help junior researchers and engineers get started in the field of audio, music, and speech generation research and development. Amphion offers a unique feature: visualizations of classic models or architectures. We believe that these visualizations are beneficial for junior researchers and engineers who wish to gain a better understanding of the model.

The North-Star objective of Amphion is to offer a platform for studying the conversion of any inputs into audio. Amphion is designed to support individual generation tasks, including but not limited to,

In addition to the specific generation tasks, Amphion includes several vocoders and evaluation metrics. A vocoder is an important module for producing high-quality audio signals, while evaluation metrics are critical for ensuring consistent metrics in generation tasks. Moreover, Amphion is dedicated to advancing audio generation in real-world applications, such as building large-scale datasets for speech synthesis.

🚀 News

⭐ Key Features

TTS: Text to Speech

VC: Voice Conversion

Amphion supports the following voice conversion models:

Neural Audio Codec

AC: Accent Conversion

SVC: Singing Voice Conversion

TTA: Text to Audio

Vocoder

Amphion (open-mmlab/Amphion)

Searching Database…

10.3K ·GitHub
Что это такое?Открытый набор инструментов для генерации аудио, музыки и речи. Он создан для поддержки воспроизводимых исследований и помогает начинающим исследователям и инженерам войти в эту область.
Это одна модель, которую я скачиваю, или скорее исследовательская платформа?Платформа: в ней реализовано множество классических моделей и архитектур для задач генерации — TTS, преобразование голоса, синтез пения, генерация аудио из текста — плюс общие вокодеры и метрики оценки, чтобы сравнения были единообразными.
Как мне её запустить?Склонируйте код на Python и следуйте инструкции по установке в README или соберите входящий в комплект Dockerfile. Опубликованные чекпоинты (MaskGCT, Vevo, FACodec и другие) позволяют запускать инференс без какого-либо обучения.
Что такое Metis?Фундаментальная модель для унифицированной генерации речи, выпущенная в феврале 2025 года. Одна система выполняет zero-shot TTS, преобразование голоса, извлечение целевого говорящего, улучшение речи и синтез речи по движениям губ.
Что такое Vevo2?Новейший релиз (март 2026 года): унифицированный управляемый фреймворк для генерации речи и певческого голоса. Он один раз обучается просодии и поддерживает TTS, SVS, VC, SVC, редактирование певческого голоса, преобразование манеры пения и управление мелодией.
Могу ли я использовать предобученные модели в коммерческих целях?Код набора инструментов распространяется по лицензии MIT, но датасет Emilia, на котором обучены флагманские чекпоинты, — под CC BY-NC 4.0 (некоммерческая), тогда как более новая часть Emilia-YODAS — под CC BY 4.0. Перед коммерческим использованием проверьте обучающие данные конкретной модели.
What are similar projects?TTS, TTS, GPT-SoVITS, YuE, fish-speech, so-vits-svc, CosyVoice, OpenVoice
Creator
open-mmlab
Size
130.2 MB
Stars
10.3K
Age
2y
Commits · 90 Days